MétaCan
Menu
Retour à la cohorte
Enregistrement W4414676081 · doi:10.1002/adfm.202518604

Multi‐Functional and Multi‐Stimulus Sensitive Self‐Powered Hydrogel for Skin Mimicry and Energy Harvester

2025· article· en· W4414676081 sur OpenAlexaff
Linbin Li, Xuechuan Wang, Wei Wang, Wenlong Zhang, Long Xing, Yitong Wang, Long Xie, Yi Zhou, Pedram Fatehi, Xiangyu You, Hui Jie Zhang

Notice bibliographique

RevueAdvanced Functional Materials · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensLakehead University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésVoltageSelf-healing hydrogelsSelf-healingHydrogen bondHydrogenEnergy harvestingSensitivity (control systems)Mechanical energy

Résumé

récupéré en direct d'OpenAlex

Abstract Self‐powered hydrogel i‐skin (ionic skins) with excellent mechanical properties and multi‐stimuli responsiveness resembling natural skin is highly desirable but remains a significant challenge. This study introduced a novel multi‐stimuli‐sensitive self‐powered hydrogel, formed by integrating multiple hydrogen bonds and a polyampholyte network, which exhibited excellent mechanical properties, fatigue resistance, high transparency, strong adhesion, and anti‐freezing capability. The cations and anions on the polyampholyte, along with their free counterions, enabled the piezoionic behavior with the output voltage and voltage decay time highly sensitive to the applied pressure and contact shape. Following the release of relatively high pressure, the hydrogel exhibited a prolonged voltage decay time of up to 35 s. The presence of multiple hydrogen bonds and the low water content endowed the hydrogel with sensitivity to both humidity and temperature. These functionalities rendered the hydrogel a promising candidate for skin‐mimetic applications and energy harvesting in next‐generation flexible sensing devices and human–machine interfaces.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,219
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207